Please enable JavaScript.
Coggle requires JavaScript to display documents.
Lecture critique d'articles - Coggle Diagram
Lecture critique d'articles
Généralités
Types d'études
3 types +++
Observationnelles analytiques
Essais cliniques
Performance diagnostique
Cinq notions à dissocier
1: Nature
Observationnelle
Exposition recueillie mais non imposée
Pas de relation causale établie
Expérimentale
Attribution de l'exposition fixée par le design de l'étude
Permet d'établir une relation causale
:warning: Confusion
Expérimental = méthodologique
Interventionnel = réglementaire
Réalisation de qq chose sur le patient: test, traitement, prise de sang... TOUT
2: Temporalité
Prospectif: plannification de l'étude avant survenue de l'évènement
Rétrospectif (historique): plannification après survenue de l'évènement
Historicoprospectif: étude plannifiée avant survenue de la maladie, mais tout ou partie de l'exposition recueilli rétrospectivement
:warning: Etudes cas-témoins prospective: très controversé
Etude rétrospective
Avec recueil prospectif de l'information
3: Type de suivi
1 more item...
Etudes rencontrées pour les EDN
Observationnelle analytique
Obj
Cherche FdR = étude étiologique
Cherche facteurs pronostiques = étude pronostique
Deux types
Cas-témoins (rétrospective)
Exposés/non expo de cohorte (rétro/prospective longitudinale)
Evaluation d'une méthode diagnostique
Obj: évaluer performances nv test par rapport à la référence
Principe: calcul Se et Sp puis choix seuil grâce courbe ROC
Observationnelle descriptive
Obj: décrire un problème de santé
Deux types
Transversale = étude de prévalence
Longitudinale = étude d'incidence
Interventionnelle (expérimentale)
Obj: évaluer efficacité d'une intervention
Deux types
Essais cliniques: évaluation d'un TTT
Nouvelle stratégie de prévention
Biais (= bias)
Définitions
Biais = erreur systématique entraîne une dérivation par rapport à la réalité
Erreur dans la même direction à chaque fois
Entraine sur ou sous-estimation d'un effet
Erreur aléatoire: affecte de la même manière tous les groupes
Fluctuation d'échantillonage (= sampling distribution)= erreur aléatoire résultant de l'écart entre estimateur et la valeur vraie
Diminuées par l'augmentation de la taille de l'échantillon
Erreurs aléatoires: imprécision des résultats
3 grands types de biais
Biais de sélection
Echantillon (= sample) : patients inclus dans l'étude
Population source: celle dont est tirée l'échantillon
Population cible: celle à laquelle on veut généraliser les résultats
Biais de sélection lorsque l'échantillon n'est pas représentatif de la population cible
Echantillon non représentatif
Population source non représentative de la population cible
Sorties d'étude: on parle de biais d'attrition (perdus de vue)
Biais de classement, de mesure ou d'information
Toute erreur conduisant à une mesure erronée de E ou M
Erreur différentielle si
Erreur de mesure ou classement de E influencée par la connaissance de la maladie
Impossible si étude prospective
Cas-témoins: cas ont tendance à surestimer et les témoins sous-estimer
Erreur de mesure ou classement de M influencée par connaissance de l'exposition
Rare dans études rétrospectives puisqu'au moment du recueil de E on connaît M
Ex: sur-dépistage de M dans la population E+
Evaluation de l'efficacité d'un TTT et effets IIre faits en ouvert: le groupe sans le TTT décrira forcément + d'effets que le groupe avec TTT expérimental
Remet en question le résultat de l'étude, qu'il soit significatif ou non
Erreur non différentielle si
Erreur affecte de manière aléatoire les deux groupes
Diminue la significativité MAIS ne remet PAS en question les résultats
Biais de confusion
(= confounding factor)
3ème facteur associé à l'exposition et lié à la maladie (ex: café ds K poumon biaise le tabac)
:warning: ne pas confondre facteur de confusion et élément de la chaîne causale entre FdR et maladie
Niveau de preuve des études
A: Preuve scientifique établie
= Niveau 1
Essais randomisés de forte puissance
Méta-analyse d'essais comparatifs randomisés
Analyse de décision fondée sur des études bien menées
B: Présomption scientifique
= Niveau 2
Essais randomisés de faible puissance
Etudes comparatives non randomisées bien menées
Etudes de cohortes
C: Faible niveau de preuve scientifique
Niveau 3
Etudes cas-témoins
Niveau 4
Etudes comparatives comportant des biais importants
Etudes rétrospectives
Séries de cas
Etudes épidémiologiques
Statistiques
Descriptives
Différents types de variables
Quantitatives
Deux types
Continue
Valeur numérique dans intervalle des observations possibles
Ex: CRP
Discrète
Que les nb entiers dans intervalle possible
Ex: nb d'hospitalisations
Les variables
Paramètres de position
Moyenne = mean
Médiane = median
Quartiles
Déciles
Percentiles
Mode: valeur la + freq au sein d'une série de données
Distribution unimodale: 1 seule valeur surreprésentée
Distribution bimodale: 2 valeurs surreprésentées
Etendue = range: intervalle entre valeurs + haute et + basse
Paramètres de dispersion
Variance (le + utilisé)
Résume la distribution autour de la moyenne
Somme des écarts à la moyenne / nb de sujets
Ecart-type = standard deviation
Racine de la variance
Intervalle interquartile = interquartile rang IQR
Comprend 50% de la pop° la + proche de la médiane
Représentation graphique
1 more item...
En situation classique on utilise
Moyenne
Et ses intervalles de confiance
En cas de valeur extrêmes
Médiane
IQR
Possible de passer à
Qualitatives
Deux types
Nominale
Différentes classes non hiérarchisables
Ex: ABO
Ordinale
Avec hiérarchie
Ex: score de risque de l'EP
Description des variables (on s'en bat un peu les couilles c logique mais ça parait incompréhensible)
Une seule variable à ≥ 2 modalités
Calcul des fréquences relatives
Ex: 40% F et 60% H et 70% HTA, 30% non HTA
Conjointe de deux varaibles: pour faire des stats comparatives
Construction tableau de contingence
Calcul des fréquences partielles
47,5% des F sans HTA
5% des H avec HTA sévère...
Calcul des fréquences conditionnelles
Mesure de l'état de santé d'une population
Taux et notion de personnes-temps à risque
Taux: fréquence évènement au cours du T
Notion de personne-temps à risque
Nombre de personne et
Temps pendant lequel ils sont exposés
Exemple avec calcul d'un taux d'incidence
PT = 17
Nb de nouveaux cas = 2
Incidence = 2/17 = 0,12 = 12 cas/an/100 personnes années exposées au risque
Différents indicateurs
Mordbidité
Incidence
Prévalence: ↑ avec
Incidence
Durée d'évolution de la maladie
Fluctuation d'échantillonnage :warning:
1 more item...
Mortalité
Taux de mortalité
Brut: nb de DC/nb de PT au sein d'une population entière
Spécifique: au sein d'un sous-groupe
Mortalité prématurée = DC < 65 ans
Années potentielles de vie perdues = années entre DC prématuré et 65 ans
Létalité = proportion de DC IIre à une maladie au sein des atteints
Indicateurs de mortalité foeto-infantile
Mortalité avant 1 an
Autres (voir cours de SP)
Standardisation des taux
Standardisation directe = population type
On applique les taux spécifiques de chaque tranche d'âge du pays étudié à une population type
On calcule ensuite le taux standardisé à partir du nb de DC attendus si la structure d'âge était celle de la population type
Utilisé ++ pour comparer des pays
Standardisation indirecte = taux type
On applique les taux spécifiques par âge de la population type à chaque tranche d'âge du pays étudié
On obtient un nb de DC attendus
On divise le nb de DC observés / nb de DC attendus
On obtient un ratio standardisé = standardized incidence ratio = SIR ou SMR
+1: mortalité + importante dans l'étude que pop° de référence
<1: moins importante
Utilisé ++ pour comparer une pop° petite à une unité + grande (ex: région VS pays)
ALLER VOIR COURS 21
Comparatives et mesures d'association
Mesures d'association entre une exposition et un évènement
Calcul d'un risque
Différence absolue du risque = différence de risque DR
Risque relatif RR
Rapport entre risque chez E+/E-
Diminution relative du risque en % = (1-RR)x100
Réduction absolue du risque = (indicence exposé) / (incidence non expo)
Peut être calculé dans toutes les études sauf cas-témoins
Intervalles de confiance
Pour réduction absolue du risque: différence de risque si IC exclut 0
Pour RR: différence de risque si IC exclut 1
Nombre de patients à traiter (NNT = number needed to trat) pour éviter un évènement
Inverse de la réduction absolue du risque
NNT = 1/DR
Fraction étiologique
Proportion de cas que l'on peut attribuer au FdR pour les sujets exposés à ce facteur
FE = (RR-1)/RR (= 0,75 si RR=4)
Risque attribuable
Proportion de cas attribuable au FdR parmi la population globale
RA = [f(RR-1) / f(RR-1)+1] avec f = Pr de l'exposition dans la population
Calcul de rapports
Cohorte
Risque relatif RR: on multiplie le risque par le RR
<1 : facteur protecteur
=1 ou IC avec 1: pas de modification du risque
+1 : facteur de risque
Hazard ratio HR utilisé dans le modèle de Cox
Interprété comme le RR
Odds ratio (OR): dans toutes les études
Cas-témoin: odds ratio OR (seule possible dans KT)
Impossible de calculer Pr, TI, ou RR cas cas/témoins fixés
OR: s'interprète comme le RR
MAIS pas vraiment le reflet exact de la fluctuation du risque en cas d'exposition
Si Pr (M+) < 10% de la pop° cible: on peut interpréter exactement comme le RR
Intervalles de confiance indispensable: doivent exlure 1 pour être significatif
Corrélation et concordance
Corrélation
Coefficient de corrélation r
Etudie relation entre deux variable
Varie entre -1 et 1
-1: quand x ↑ y ↓ et inversement
0: pas de corrélation
1: quand x ↑ y ↑ et inversement
Accompagné d'un test de signification avec H0 : coefficient = 0
Deux types
De Pearson: nécessite une distribution gaussienne des variables
De Spearman: pas cette contrainte
Coefficient de détermination r2 = r x r
= % de la variabilité d'une variable que l'on peut expliquer par l'autre variable
Ex: poids corrélé à la taille
r = 0,7 dans un échantillon
r2 = 0,7^2 = 0,49: poids expliqué à 49% par la taille
Concordance
Etablit dans quelle mesure 2 techniques différentes sont en accord pour mesurer la même chose
Ex:
Lien entre poids et taille: corrélation
Relation entre formule MMDRD et CKDepi pour mesure du DFG: coefficient de corrélation intraclasse car variable quantitative
Accord de 2 radiologues sur une imagerie: coefficient kappa car variable qualitative
Principes des tests d'hypothèses
Hypothèse nulle H0: pas de différence entre les groupes étudiés
Hypothèse alternative H1: différence entre les groupes
Bilatérale: peu importe le sens de la différence
Unilatérale: sens déterminé de la différence à montrer
p-value < 0,05: différence observée significative
( :warning: pas de relation cause à effet si ce n'est pas un essai randomisé)
p-value ≥ 0,05: on ne peut pas rejeter H0, différence non significative
Risque d'erreur et test statistique
Risque alpha = première espèce = conclure à une différence qui n'existe pas = rejeter H0 alors que H0 vraie
Fixé a priori
Le + souvent à 5% (0,05) pour bilat ou 2,5% pour unilat
↑ si on multiplie les test: vérifier que les auteurs ont diminué le alpha si 2 critères de jugement par ex
Risque B = deuxième espèce = conclure à absence de différence alors qu'elle existe = accepter H0 alors que H1 vraie
Fixé a priori
Souvent 10-20%
↑ avec
↓ du nb d'évènement attendus pour le critère de jugement principal
Différence faible attendue entre les groupes comparés
Puissance = 1-B = P de conclure à une différence qui existe = rejeter H0 et H1 vraie
Déterminants de la puissance
Nb de sujets inclus
Nb d'évènements pour le critère de jugement principal
Un manque de puissance peut conclure à absence de différence alors que H1 vraie (= risque B)
Degré de signification "p-value"
Calcule du nombre de sujets nécessaires à inclure dans une étude
pour un maaaax de puissance yeah
On décide selon
Risque a et B
Différence minimale attendue cliniquement pertinente entre les groupes
↑ du nombre de sujets nécessaires pour
↑ puissance
↓ risque B
↓ risque a
↓ différence minimale attendue
Faire étude dans une population où le risque d'évènement est faible
↓ du nombre de sujets nécessaires pour
↓ puissance
↑ risque B
↑ risque a
↑ différence minimale attendue
Faire étude dans une population où el risque d'évènement est élevé
Quel test statistique utiliser ?
Notion de variable explicative/à exlpiquer ou indépendante/dépendante
Variable à expliquer (dépendante): évènement
Variable explicative (indépendante): intervention par exemple
Notion d'analyses univariées ou multivariées
Pas de prise en compte des facteurs de confusion
Multivariée: prise en compte des facteurs de confusion
Quand on a le terme "
adjusted
" c'est multivarié
Notions de mesures répétées ("données appariées")
Comparaison de deux groupes de données du même patient = données appariées
Patient est son propre témoin
Séries indépendantes: comparaison de 2 groupes de données chez des patients différents
Dans mesures répétées: on utilise des tests spécifiques
McNemar = Chi 2 apparié
test de Wilcoxon
Test t apparié = Student apparié
Notion de test paramétrique/non paramétrique
Tests paramétiques (les + utilisés)
Utilisables uniquement si conditions toutes remplies
Ex: égalité et distribution N pour Student, effectifs >5 pour Chi2
Non paramétriques: utilisables même si toutes les conditions non remplies
Mann Whitney
Wilcoxon
Coefficient de corrélation de Spearman
Grosso modo
Variable qualitative à expliquer
Univarié
Chi2
Multivarié
Régression logistique
Variable quantitative à expliquer
Univarié
Paramétriques ++
Student
Non paramétriques
Mann Whitney
Wilcoxon
Multivarié
Régression linéaire multuple
Analyse de survie (données censurées)
Univarié
Log rank
Multivarié
Cox
Analyses dépendantes du temps = analyses de survie
Principe
Permet d’étudier
La survenue d’un événement
Le délai de survenue de cet événement
Pour tout type d'évènement binaire
Utilisé ++ dans
Etudes observationnelles analytiques à visée pronostique
Essais cliniques (en cancéro ++)
Définitions
Survie globale (overall survival) : décès toute cause confondue
Survie spécifique : décès lié à la patho étudiée
Survie dans rechute (progession free survival) : décès ou rechute de la patho étudiée
= Critère composite
Données nécessaires
Date d'origine : entrée dans l'étude de chaque patient
Date de point : fin de l'étude, arrêt de suivi (date du calendrier ou durée = pour tous les patients)
Date des dernières nouvelles (DDN) : dernier contact avec chaque patient
Si décès avant date de point : DDN = date de décès
Si décès après date de point : DDN = date de point
Si vivant et DDN avant date de point : DDN = dernière date connue
Si vivant et DDN après date de point : DDN = date de point
Données censurées à droite : si info° sur survenue de l'évènement pas dispo à date de point
Perdus de vue
Décès d'une autre cause si analyse de survie spécifique
Pas encore d'évènement à la date de point (= exclu vivant)
Critères de qualité
1 more item...
:warning:
F pronostique associé à aggravation d'une maladie
F de risque associé à survenue d'une maladie
Méta-analyse
Définition
Agrégation des résultats de plusieurs études
On inclut des études (dites primaires) pas des patients
Présente une taille globale de l'effet du TTT pour toutes les études incluses
Avec RR global, p-Value globale, ...
Avantages
Mesure effet global : estimateur + fiable de l'effet d'un TTT
↑ l'effectif : meilleure représentativité de la pop° et meilleure puissance
Utile ++ si :
Résultats de plusieurs essais sont en apparence contradictoires
On pense qu'un TTT est efficace mais que les essais etaient nég par manque de puissance
Limites
Biais de publication
+une étude montre un effet, + elle a de chances d'être publiée
Risque de conclure à tord à une efficacité du TTT
Problème de méthodologie si études incluses très hétérogènes
Pop° peuvent être très différentes, critères de M+ pas tjrs les mêmes
Critère de jugement pas tjrs le même
Présence de biais +/- importante dans chaque étude
Parfois études ni en anglais ni en français
Certaines études manquent de données pour permettre méta-anlayse → exclues
Présentation des résultats
Flowchart de la procédure d'inclusion
Visualisation des sources d'études
Visulation du nombre d'études candidates, exclues et inclues
Visualisation schématique de la méthodologie de sélection des études
→ 2 auteurs sélectionnent les études, si discordane : 3ème
Evaluation de la qualité des études sélectionnées
Notation de la méthodologie de chaque étude
pour réponde à la question de la méta-analyse
Permet de faire des analyses en sous-groupe en f° de la qualité de chaque étude
Diagramme en forêt (forest plot)
Ligne de résultat pour chaque étude
Ligne pour l'effet global = "taille de l'effet" (svt la dernière)
Hétérogénité dans les méta-analyses
Hétérogénéité clinique
Sur les pop°, le critère de jugement, les durées de suivi, la manière de donner le TTT, ...
Lire la partie "matériel et méthodes" pour s'en rendre compte
→ Définir a priori les critères d'inclusion pour un équilibre entre homogéinicité et exlus° trop importante d'études interessantes
Hétérogénéité statistique
Sur les résultats : RR de chaque étude répartis différemment de chaque côté de la ligne verticale (RR = 1 ou DA = 0)
Test statistique du I^2 ou t^2 (tout en bas du forest plot)
I^2 = 0% si touts les RR sont égaux : hétérogéinicité nulle
I^2 < 0,25 : hétérogéinicité faible
0,25 < I^2 < 0,5 : hétérogéinicité modérée
I^2 > 0,5 : hétérogéinicité importante
Intervalle de prédiction (juste en dessous de la taille globale de l'effet)
≠ Intervalle de confiance
= Tranche dans laquelle la mesure d’association estimée par la prochaine étude réalisée sur le sujet a 95 % de chance de se trouver
Tès fortement lié au I^2 : + le I^2 est petit, + l'intervalle de prédiction est étroit
Evaluation du biais de publication
1 more item...
Aspects réglementaires et éthiques
Réglementations des études
Trois lois
Jardé 2012: loi sur la recherche impliquant les personnes humaines
Loi Informatique et liberté: loi sur la protection des données
Loi bioéthique : régit les recherches sur les collections biologiques
Structures impliquées dans les processus réglementaires
Comité de protection des personnes (CPP): respect de la loi Jardé
1 par région
Avis défavorable: interdiction de la recherche
Comité national de l'informatique et des libertés CNIL: respect de l'autre loi
ANSM: autorisation pour médicaments et dispositifs médicaux
Application
Démarches réglementaires des études non couvertes par la loi Jardé
= recherche n'impliquant pas la personne humaine RNIPH
Catégorie 4: hors champ de la loi Jardé
PAS autorisation du CPP
(avis comité éthique souhaitable pour publication)
ANSM: NON impliquée
CNIL: autorisation non obligtaire si méthodo ref utilisée
PAS d'assurance nécessaire
Non opposition du patient
Démarches réglementaires selon la loi Jardé
= recherche impliquant la personne humaine (RIPH)
3 catégories
2: interventionnelle à risques et contraintes minimes
PAS médicaments
Risques minimes (ex: prise de sang)
Autorisations nécessaires
CPP
CNIL: autorisation
ANSM: simple information
Assurance nécessaire
Consentement libre, éclairé,
exprès
3: non interventionnelle
Autorisations nécessaires
CPP
CNIL
Autorisation OU
Engagement de respect de la méthodologie de référence
ANSM: simple information
Non-opposition
1: recherche interventionnelle
Médicament
Acte invasif
Autorisations nécessaires
CPP
CNIL: autorisation
ANSM: autorisation
Assurance nécessaire
Consentement libre, éclairé et
écrit
Participants d'une étude
Promoteur (= promotor = sponsor)
Personne physique ou morale responsable d'une recherche impliquant la personne humaine
Assure gestion et financement
A l'initiative de l'essai
Responsable de la sécurité des personnes: doit contracter une assurance
Industriel ou institutionnel
Si firme pharamceutique impliquée
N'a pas le doit de regard sur protocole
Mais ne garantit pas indépendance de l'étude
Investigateur
Personne physique médicalement qualifiée qui inclut les patients et veille à leur sécurité
Responsable de la conduite de la recherche
Informe et recueil le consentement
Veille au bon respect du protocole et à la qualité du recueil des données
Conflits d'intérêts
= lien d'intérêt direct ou indiret qui permet d'obtenir un avantage en rapport ou non avec la profession
Conflit d'intérêt si un professionnel voit son intérêt influer sur exercice impartial de ses fonctions
Lien d'intérêt ≠ conflit d'intérêt
Loi impose transparence des liens entre industrie pharmaceutique et de santé et acteurs du monde de la santé
Déclaration des liens d'intérêts obligatoire
Principes de la recherche clinique
Bienfaisance
Non-malfaisance
Autonomie
Justice
Universel
Termes en anglais
Seizure disorder = trouble épileptique
However = cependant
Screening = dépistage
Likelihood ratio = rapports de vraisemblance
Fluctuation d'échantillonage = sampling distribution
Recherche en santé
Définitions
Cycle de la recherche
Formulation hypothèses
Rédaction protocole de recherche pour avoir des fonds
Sélection des protocoles qui se voient remettre des fonds
Phase de recherche
Rédaction articles avec comité de relecture
Acceptation ou non de la publication
Formulation de nouvelles hypothèses
Promoteur
Personne morale ou physique
Conduit et gère la recherche
Responsable des obligations légales et contraction d'une assurance
Investigateur
Personne physique
Dirige et surveille la recherche et sa conformité au protocole sur le terrain
Sujet de recherche: personne qui se prête à un projet de recherche: doit avoir
N° sécurité sociale
Consentement libre et éclairé
Organisation
Ministère de la santé et de la recherche
Définit la politique nationale
Précise organisation et octroie l'allocations des moyens dédiés à la rceherche sur budget de l'état
Agence nationale de la recherche (ANR)
Programmation qui permet la répartition des moyens
Coopère avec agences spécifiques comme ANR Sida ou INCS (K sein)
CHU, universités, INSERM, CNRS
Mise en place de l'étude/rceherche
Manière dépend du type d'étude
Différentes études
Etudes observationnelles
Objectifs
Descriptives (pas de facteur d'exposition E)
Transversale : de prévalence
Longitudinales : d'incidence
TI = nouveaux cas / personnes-années
Ex : 243 nvx K du sein pour 100 000 PA = 243 nvx cas pour 100 000 femmes sans maladies suivies pendant 1 an
Analytiques : on cherche des facteurs de risques, protecteurs ou pronostiques
Etudes cas-témoins
Un groupe avec la maladie et on cherche rétrospectivement leurs expositions
Un groupe sans maladie et on cherche rétrospectivement leurs expositions
Etudes de cohorte
Biais de confusion dans les études observationnelles (= confunding bias)
= Variable à la fois associée à la maladie et à l'exposition et ne faisant par partie de la chaîne causale entre exposition et maladie
Utilisation du tableau descriptif des populations (on l'a dans tous les textes étudiés)
Dans une étude expérimentale ça permet de vérifier que les groupes randomisés sont comparables :
pas forcément besoin de test statistiques
Dans une étude observationnelle ça permet de repérer les facteurs de confusion potentiels : tests statistiques trouvent une utilité (ex : pvalue < 0,05)
:warning: si très grande puissance (ex : 100 000 patients), on peut voir des différences significatives (p<0,05) mais non pertinentes (ex : 0,2 de CRP de différent)
Dans ce cas, on coche "la p-value est peu informative du fait de la grande taille de l'échantillon"
Comment prendre en compte ces facteurs de confusion ?
Au moment de la plannification de l'étude
Restriction de population : on restreint aux gens pour lesquels le facteur de confusion n'est pas observé
Appariement (= matching)
: avec l'exemple du tabac, pour chaque fumeur dans un groupe on met un fumeur dans l'autre et vice versa
Au moment de l'analyse de l'étude
Stratification
: on fait une analyse en sous-groupe (on analyse effet d'une exposition dans le groupe fumeur et dans celui non fumeur, comme ça le tabac n'est plus un facteur de confusion)
Ajustement (= adjustment) : analyse multivariée
On a des mesures d'association ajustées (adjusted) : RR, OR, HR, moyenne...
Par opposition aux coefficients bruts = crude = unadjusted
Mathématiquement c'est une équation qui estime indépendamement des effets des autres expositions les coefficients
Score de propension : re regarder pck j'ai rien compris
2 types d'études analytiques
Cas-témoin
Principe
Patients avec maladie (cas) auxquels sont appariés des témoins
Recueil des expositions rétrospectif ou prospectif parfois
Recueil de l'évènement
tjrs rétrospective car prévue après apparition de M
Durée : brève
Recueil de données rétrospective
Maladie rare : adapté
Exposition rare : non adapté
Délai entre E et M
Adapté pour les longs délais
Etudes de pls expositions : ok
Etude survenue de plusieurs maladies : non
Perdus de vue : aucun
-
-
-
-
Mesures d'association
OR seulement
PAS RR car on ne peut pas calculer de TI
Causalité : peu de critères pour l'évaluer
Chronologie entre expo et maladie non étudiée précisément
Force d'association n'est pas évaluée par le OR
(contrairement au RR)
Biais (à compléter avec Martingale)
Niveau de preuve
Maximum : niveau 3
Mise en place de recommandations de niveau C
Mise en oeuvre
Effectifs moins importants
Coût moins élevé
1 more item...
Cohorte
Principe
Patients indemnes de la maladie suivis au cours du temps
Prospectif
Rétrospectif
Recueil de survenue de la maladie prospectif
Durée : long
Recueil de données sur exposition : sans connaissance de M
Maladie rare : non adapté
Exposition rare : adapté
Délai entre E et M
+c'est court mieux c'est
Etudes de pls expositions : ok
Etude survenue de plusieurs maladies : ok
Perdus de vue ++ si
Durée longue
Prospective
Délai survenue de la maladie long
Suivi difficile
Mesures d'association
TI donc RR
OR
Causalité : bcp de critères pour l'évaluer
Chronologie entre expo et maladie peut être étudiée précisément
Force d'association évaluée par le RR
Biais (à compléter)
Niveau de preuve
Maximum : niveau 2
Mise en place de recommandations de niveau B
Mise en oeuvre
Effectifs importants
Coût élevé
1 more item...
Aspects éthiques : on ne peut pas exposer volontairement des personnes à un facteur dont on connaît la nocivité
A noter ; concernant les tableaux de caractéristiques initiales des participants d'une étude
Dans une cohorte : on doit mettre les tests statistiques de comparaison des groupes
Dans un essai : pas nécessaire car la randomisation permet d'assurer la comparabilité initiale des groupes
Essais cliniques
Caractéristiques
Définition
Différentes phases
Phase 1
Population
Volontaires sains
Petit nombre
Objectifs
Tolérance
Toxicité
Pharmacocinétique (devenir du médoc dans organisme)
Phase 2
Population
Malades
Petit nombre
Objectifs
Efficacité : dose max tolérée
Pharmacodynamie (effet du médoc sur organisme)
Phase 3
Population
Malades
Grand nombre
Objectifs
Efficacité comparative
Toxicité
Rapport bénéfice/risque
Phase 4
Population générale, après AMM
Objectifs
Pharmacovigilence
Recherche de nouvelles indications
1) Choisir critère de jugement
Quantitatif ou qualitatif
Principal
Unique, composite ou multiple
Subjectif ou objectif
Cliniquement pertinent
Intermédiaire/de substitution
Secondaire
2) Choisir critères d'inclusion et d'exclusion en fonction de 3 objectifs
Homogénéiser la population
Assurer la sécurité des patients
Respecter la clause d'ambivalence
3) Randomnisation
1 more item...
Etudes de performances diagnostiques
Principe : évaluer validité d'un test/examen/score dont l'objectif est de classer les sujets en malades ou non malades
2 types de tests
Qualitatifs : binaire oui = malade/non = non malade
Quantitatif : détermination d'un seuil qui classe en malade/non malade
Test idéal
Non invasif
Peu coûteux
Très sensible et très spécifique
Définition de la population source : limite les biais de sélection
2 problèmes des biais de sélection dans ce type d'étude
Difficulté d'extrapoler les résultats à la population cible
Modification potentielle de la probabilité pré-test : change les valeurs prédictives
Population source idéale = celle à qui on va faire le test
Ex score de Wells = ensemble des patients se présentant aux urgences pour dl tho
Test de référence = gold standard : permet de valider le statut malade/non malade pour tester les autres tests
Meilleur test disponible avec les connaissances actuelles
Si inexistant : expert ou comité d'experts
Doit être évalué en aveugle du test réalisé quand c'est possible ( :warning: on ne parle pas de double aveugle)
Permet de classer les patients VP, VN, FP, FN et donc de calculer Se et Sp
Doit être identique et reproductible pour tous les patients
Avant de calculer les performances d'un test, il faut savoir s'il est reproductible car sinon pas applicable en pratique
La standardisation des conditions de passation du test (modalités de réalisation) améliore la reproductibilité
2 types de reproductibilité
Interobservateur : test au même patient par 2 observateurs donne-t-il la même chose ?
Intraobservateur : même test, même observateur, 2 moments différents : même chose ?
Outils statistiques
Tests qualitatifs : coefficient kappa (k)
k<0 : désaccord + important que le hasard
k=0-0,2: accord très faible
k=0,2-0,4 : accord faible
k=0,4-0,6 : accord modéré
k=0,6-0,8 : accord fort
k= 0,8-1 : accord presque parfait
k=1 : le ou les observateurs sont d'accord pour toutes les mesures
Tests quantitatifs : coefficient de corrélation intra-classe entre 0 et 1
1 : signifie une relation de type x = y entre les deux mesures
Ensuite, sachant qu'aucun test ne peut être parfait, il faut faire la différence entre 2 tests :
Dépistage = screening : on ne veut pas passer à côté d'un malade asymptomatique donc
Sensibilité élevée +++
Au dépit d'une spécificité faible
Acceptabilité: facile, peu invasif
Diagnostique = diagnosis : on ne veut pas dire à qq qu'il est malade et le TTT alors que non
Spécificité forte +++
Acceptabilité : on peut être + invasif et mettre + de moyens
Pour chaque test on étudie les performances diagnostiques
3 more items...
Biais de spectre (sélection) = inclusion de patients très malades qui surestimé la sensibilité
= observationnelle !
Modèle transversal ++